open-sora-plan-v1-2 是什么
Open-Sora Plan v1.2 是一个开源的视频生成模型,专注于把文本转换成视频片段。
你可以用它做什么
- 从文本提示生成视频内容
- 在准备好的视频数据集上训练
- 用质量指标评估输出
主要特点
- 采用 3D 全注意力架构
- 优化后的 CausalVideoVAE 结构
- 训练中使用 EMA 权重微调
快速上手
- 访问 GitHub 页面了解模型信息
- 安装所需的依赖库和工具
- 搭建训练环境并准备数据集
优点与缺点
✓ 我们认可的地方
- 3D 全注意力更好地捕捉联合空间-时间特征
- 代码、数据和模型一并开源
! 需要留意的地方
- 训练需要搭建环境并准备数据集
- 评估使用 PSNR、SSIM 和 LPIPS 指标
常见问题
使用了什么架构?
资料点名了 3D 全注意力架构和 2+1D 设计。
点名了哪个数据集?
资料列出 Kinetic400 视频数据集用于训练。
最后评测: 2026-11-15